On Fintech and Financial Inclusion: Evidence from Qatar
Notice bibliographique
Résumé
This study examines the role of fintech adoption in enhancing financial inclusion in Qatar, with a particular focus on the mediating influence of access barriers. A structured questionnaire was administered to 220 respondents, of which 200 valid responses were retained for analysis after screening for completeness and outliers. The constructs of fintech adoption (FA), financial inclusion (FI), and access barriers (AB) were measured using validated multi-item scales adapted from prior literature. Measurement reliability and validity were confirmed through Cronbach’s alpha, composite reliability, and average variance extracted (AVE), alongside confirmatory factor analysis (CFA) for construct validity. A structural equation modeling (SEM) approach was employed to test the hypothesized relationships, using maximum likelihood estimation with bootstrap standard errors and confidence intervals. Model fit indices indicated excellent fit (χ2 = 48.983, df = 51, p = 0.554; CFI = 1.000; TLI = 1.003; RMSEA = 0.000; SRMR = 0.036). Factor loadings were all significant (p < 0.001), supporting convergent validity. However, the structural paths from FA to FI (β = −0.020, p = 0.827), AB to FI (β = −0.077, p = 0.394), and FA to AB (β = 0.054, p = 0.527) were not significant. The indirect mediation effect of AB was also statistically insignificant (β = −0.004, p = 0.700).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».